Штучний інтелект–на основі підтримки прийняття рішень на ринках криптовалют: ігрова теорія та ймовірнісна модель

#DeepCreationCamp

За останнє десятиліття ринки криптовалют стали однією з найруйнівніших інновацій у фінансовому світі, привертаючи увагу не лише через високий потенціал доходу, а й через глибокі ризики, які вони несуть. На відміну від традиційних фінансових активів, криптовалюти сильно залежать не лише від попиту та пропозиції, а й від трендів у соціальних мережах, технологічних оновлень та регуляторних новин через їх децентралізовану структуру та цілодобову торгівлю. Це ставить під сумнів дійсність класичних економічних теорій, які припускають раціональність учасників ринку.

Хоча штучний інтелект пропонує нові перспективи у розумінні людської поведінки та динаміки ринку, існуючі підходи часто обмежуються моделями «чорного ящика» і недостатньо адаптивні до раптових ринкових шоків.

Більшість моделей кількісних фінансів і базових алгоритмів машинного навчання припускають, що історичні патерни повторюватимуться у майбутньому. Однак ринки криптовалют хаотичні та нестаціонарні. У цьому контексті виникають дві ключові проблеми:

1. Поточні алгоритми важко моделюють «іриціональні» рухи ринку.
2. Глибокі навчальні моделі позбавлені пояснюваності, що ускладнює розуміння причин купівельних/продажних рішень людьми.

Ці обмеження підривають довіру інвесторів до систем на базі ШІ та сповільнюють технологічне впровадження.

Ця робота сприяє шляхом:

Розробки гібридної ймовірнісної моделі на основі теорії віри Демпстера–Шафера, яка оцінює невизначеність через вагу доказів, а не лише байєсівську ймовірність.

Запропонування симуляційної рамки, яка моделює динаміку ринку як багатокористувацьку гру, що дозволяє креативне розв’язання проблем у інтерактивних середовищах.

2. Пов’язані роботи

Запропонований підхід базується на трьох основних дослідницьких напрямках: ШІ в економічній теорії, ігрові симуляції та ймовірнісне мислення.

2.1 ШІ та економічна теорія

Зростання ШІ значно вплинуло на економічну теорію. Традиційні моделі базуються на припущенні раціональності агентів «Homo Economicus», тоді як сучасні підходи з ШІ краще враховують обмежену раціональність і асиметричну інформацію. Концепції рівноваги попиту-пропозиції, ціноутворення та теорії ігор були покращені за допомогою обчислювальних технік, натхненних природним інтелектом.

Ця робота базується на цій трансформації для інтерпретації іриціональної динаміки цін на крипторинках.

2.2 Симуляційні середовища та теорія ігор

Ігри забезпечують контрольовані середовища для дослідження прийняття рішень за умов невизначеності. Торгівля криптовалютами може моделюватися як складна, не нульова гра, де кілька агентів змагаються та взаємодіють.

Хоча ігрові симуляції широко використовуються для тренування агентів, їх адаптація до фінансових ринків — особливо для створення креативних стратегій — залишається новою галуззю. Це дослідження використовує ігрові середовища як полігони для тестування та покращення роботи агентів у моделях ринку.

2.3 Ймовірнісне судження та управління невизначеністю

Системи ШІ зазвичай покладаються на байєсівську теорію або теорію віри Демпстера для обробки ймовірнісного мислення. У той час як байєсівська теорія надає точні числові ймовірності, теорія Демпстера підкреслює силу доказів і моделювання невизначеності.

У шумних і неповних даних, таких як ринки криптовалют, функції віри забезпечують більш гнучку структуру для представлення невідомого. У цій роботі застосовується небайєсівський підхід для оцінки надійності ринкових сигналів.

3. Методологія та підхід

Запропонована система називається Crypto-Game-Belief Framework. Вона складається з модульних компонентів, що обробляють дані ринку, керують невизначеністю та розробляють стратегії у симульованих середовищах.

3.1 Основні компоненти

Модуль сприйняття даних і формування віри

Система збирає сирі дані, такі як рух цін, обсяг торгів і настрої у соціальних мережах. Замість безпосереднього генерування сигналів купівлі/продажу ці входи перетворюються у маси віри за допомогою теорії Демпстера–Шафера.

Наприклад, бичачий технічний індикатор стає зваженим доказом, а не фіксованою ймовірністю. Це дозволяє моделювати нерішучість при протиріччях у сигналах.

Креативне розв’язання проблем (КРП) та управління аномаліями

Ринки криптовалют часто переживають безпрецедентні події. Автономні системи потребують можливостей КРП для обробки таких нестандартних ситуацій.

Цей модуль дозволяє адаптивне мислення понад запам’ятовані шаблони, генеруючи логічні стратегії у незнайомих контекстах.

Мультиагентна ігрова симуляція

Виходи віри надходять у ігрове симуляційне середовище. Агент ШІ змагається з іншими віртуальними агентами, що представляють різні торгові стратегії.

За допомогою підкріплювального навчання агент максимізує функцію винагороди, тестуючи стратегії без реального фінансового ризику.

3.2 План оцінювання

Гіпотетична рамка оцінювання включає:

Дані: годинні дані BTC і ETH (2018–2023), а також метрики соціальних мереж.

Бенчмарки: стратегія «купити і тримати» та стандартна нейронна мережа LSTM.

Метрики:

• Доходність інвестицій (ROI)
• коефіцієнт Шарпа
• Максимальна просадка

Модель навчається на 70% даних і тестується на 30%. Вводяться штучні сценарії «чорного лебедя» (наприклад, раптове падіння на 20%) для перевірки адаптивності КРП.

4. Обговорення

4.1 Практичні застосування та довіра

Ця рамка може слугувати не лише автоматизованим інструментом торгівлі, а й помічником з управління ризиками для інституційних інвесторів. Однак довіра користувачів значною мірою залежить від пояснюваності.

Дослідження Explainable AI (XAI) показує, що зрозуміле пояснення значно підвищує довіру. Тому замість простого сигналу «продати» система має надавати контекстуальні пояснення, наприклад:

«Невизначеність ринку досягла 80% згідно з функціями віри; ризик зменшується.»

4.2 Обмеження Обчислювальні витрати: багатокористувацькі симуляції та оновлення віри потребують значних обчислювальних ресурсів, що може спричинити затримки. Історичні упередження: штучний інтелект обмежений історичними патернами, на яких він навчається. Психологічна складність людини: моделювання суб’єктивних людських ймовірнісних суджень залишається викликом.

4.3 Етичні питання Впровадження штучного інтелекту у криптовалютні ринки несе ризики маніпуляцій. Великі алгоритмічні гравці можуть зловживати ринковими сигналами неетичним чином. Фінансові системи на базі ШІ повинні дотримуватися принципів прозорості, справедливості та запобігання шкоді.

4.4 Майбутні дослідження Майбутні дослідження можуть інтегрувати великі мовні моделі (LLMs) для автоматичного аналізу новин і наукових публікацій. Крім того, крос-перевірені етичні рамки ШІ можуть підтримати розробку універсальних етичних стандартів для торгових ботів.

5. Висновки Криптовалютні ринки — це високоризиковий перехрестя технологій і фінансів. У цьому дослідженні запропоновано цілісний підхід із застосуванням теорії ігор, функцій віри Демпстера–Шафера та технік креативного розв’язання проблем. Моделюючи ринки як динамічні інтерактивні системи, а не статичні набори даних, ця рамка покращує прийняття рішень за умов невизначеності. Майбутні версії з функціями пояснюваності можуть сприяти більш прозорій і довіреній фінансовій екосистемі для індивідуальних та інституційних інвесторів.